專利名稱：使產物收率最大化的補料-分批發(fā)酵設備的在線優(yōu)化方法
使產物收率最大化的補料-分批發(fā)酵設備的在線優(yōu)化方法
背景技術：
發(fā)明領域
本發(fā)明涉及補料-分批發(fā)酵設備的在線優(yōu)化。該發(fā)酵設備具有基 于計算機的數據采集和控制系統(tǒng)，以最佳方式控制底物補料速率曲線
(profile),以使發(fā)酵罐的產物收率最大化。 先有技術的描述
發(fā)酵工藝廣泛地用于食品和制藥工業(yè)中，以生產各種產品如酒 精、酶、抗生素、維生素等。這些過程包含微生物的生長、使用供給 的底物和/或營養(yǎng)素和期望的產品的形成。在精確控制的工藝條件如溫 度、pH和溶解的氧下，在攪拌罐或其它類型的生物反應器中進行這 些過程。由于在細胞內發(fā)生復雜的生化反應，將底物和/或營養(yǎng)素控制 在合適的水平對于產品的形成是必需的。許多發(fā)酵過程以補料-分批方 式進行，其中在整個發(fā)酵時期將底物連續(xù)補料進入反應器，而不取出 任何發(fā)酵發(fā)酵液。已發(fā)現了該類型的底物補料克服了效應例如底物對 產率的抑制。通常的工業(yè)實踐是基于操作經-瞼發(fā)展底物補料速率的參 考曲線，在裝置中通過合適的調節(jié)實施它，以說明發(fā)酵罐的實際條件。 該方法在本質上完全根據經驗和依賴操作者，導致產率的變化?；蛘?， 將發(fā)酵過程的數學模型用于離線計算最佳底物流速曲線，在實際發(fā)酵 設備中實施它以使產物收率最大化。
文獻報導了用于使補料-分批工藝的產率最大化的許多不同的優(yōu) 化方法和策略。依靠計算最佳補料曲線的詳細數學模型的優(yōu)化方法和 考慮發(fā)酵過程中存在的動力學和傳送現象的模型已經用于發(fā)酵設備 的優(yōu)化。用來使產率最大化的控制變量一般為在恒定底物濃度時的底
4物(如糖)補料速率。
Modak和Lim[l]闡明了基于奇異控制理論的用于補料-分批發(fā)酵 工藝的補料速率的反饋優(yōu)化，并在筒化的發(fā)酵罐模型上試驗。因為發(fā) 酵過程表現出時變行為，所以反饋控制方案的成功取決于模型參數的 可靠性，參^:的不確定性導致優(yōu)化方案的性能退化。
Cuthrell和Biegler, [9]提出了基于在有限元件上的SQP(分段二次 編程)和正交配置的同步優(yōu)化和解決策略，得到的結果與用于模擬的補 料-分批發(fā)酵罐模型的基于變分法的傳統(tǒng)方法得到的結果類似。該考慮 的模型不包括溶解的氧對生物量生長和產物形成速率的影響。
Kurtanjek [6]提出了基于正交配置技術的方法，將其應用于最佳 補料速率、進料底物濃度和溫度的計算，并將約束賦予控制變量和狀 態(tài)變量。該考慮的發(fā)酵罐模型包括溫度對比生長速率常數的影響。
Foss等，[IO]遵循基于操作者制度的建模方法，以在幾個局部線 性模型中表達發(fā)酵罐模型，使用SQP以優(yōu)化平均產物形成速率。該方 法在局部線性模型的闡明方面需要相當大的努力，參^t的估算所需的 數據大約幾百個，比非線性模型的識別所需的數據明顯的多很多。 Hilaly等，[1 l]通過執(zhí)行得自龐特里雅金氏最大原則的優(yōu)化策略，證實 了實驗室補料-分批發(fā)酵罐設備的實時優(yōu)化。報導了與常規(guī)補料-分批 發(fā)酵相比改善的產率和生產力。用于優(yōu)化計算的發(fā)酵罐模型為簡化模 型，其中假定底物的比消耗速率和產物的比形成速率和生物量的比生 長速率成線性關系，獨立于發(fā)酵液中的溶解的氧濃度。該假定在實際 裝置環(huán)境中是無效的。Van Impe和Bastin， [4]提出了用于最佳適應控 制的方法論，并在補料-分批發(fā)酵罐的模擬模型上試驗。然而，該方法 僅適用于特征為在生物量生長和產物形成之間去耦的發(fā)酵過程。
Banga等，[7]使用隨機直接搜索法，以計算用于補料-分批發(fā)酵工 藝的最佳補料速率，并報導了在模擬研究中改善了的性能。然而，由 于干擾的存在和發(fā)酵過程的時變行為，這樣的開環(huán)最佳控制策略在實 際情況中是不夠的。在這樣的情況下，模型參數需要在線更新，最佳路線需要基于最新模型和狀態(tài)信息重新計算。
Mahadevan等，[12]提出了基于平面的優(yōu)化方案，并通過在簡化 的補料-分批發(fā)酵罐模型上模擬而試驗該優(yōu)化方案。在真的發(fā)酵罐上實 施這樣的優(yōu)化方案需要進一步的工作，因為模型比在他們的研究中考 慮的模型更復雜。
Dhir等，[2]在實驗室規(guī)模的生物反應器中從補料-分批的雜交細 胞培養(yǎng)中處理細胞質量和單克隆抗體產量最大化的問題。他們^使用現 象學模型以表現發(fā)酵罐的行為，使用基于模糊邏輯的方法以更新模型 參數，從而使模型預測與裝置數據相匹配。闡明了最佳控制算法，該 算法計算各取樣時間的過程才莫型錯配、在整個分批發(fā)酵過程中動態(tài)更 新模型參數和再優(yōu)化底物濃度。控制變量為葡萄糖和谷氨酰胺的補料
速率。使用模糊邏輯技術進行動態(tài)參數調節(jié)，同時試#:性隨機優(yōu)化程 序優(yōu)化補料速率。最新的參數為乳酸鹽與葡萄糖的比生長速率和產率 系數，選自靈敏度分析。在實驗室規(guī)模的生物反應器中進行的研究顯 示通過動態(tài)再優(yōu)化和參數調節(jié)，反應器生產力得到實質性改善?；?模糊邏輯的方法包括反復試驗過程，該過程包括調節(jié)許多參數，對于 在線配制不是很方便。
Iyer MS等，[5]建立了用于補料-分批發(fā)酵罐的控制方案，該控制 方案包括指令(recipe)的離線優(yōu)化、在線模型再參數化和在線再優(yōu)化。 它使用嚴格的現象學模型，使用 一步更新技術和同時用于離線優(yōu)化和 在線優(yōu)化的探試性隨機優(yōu)化器調節(jié)其參數。目標函數為使期望的產物 的總平均生產率最大化。當每5小時調節(jié)模型以保持其對過程真實時， 由于緩慢的過程動力學，每4200分鐘(2天加22小時)只進行一次在線 再優(yōu)化。進行再優(yōu)化以確定新的分批發(fā)酵時間和從當時的普遍條件開 始的補料速率。從任何現有的系統(tǒng)狀態(tài)進行再優(yōu)化以確定發(fā)酵的補料 速率和剩余時間，以便將目標函數最大化。在進行的模擬研究中，當 與離線優(yōu)化相比時在線優(yōu)化獲得10-14%的生產力改善。
Soni和Parker [3]用底物補料速率作為控制變量，開發(fā)了開環(huán)最佳控制策略以使分批發(fā)酵結束時的產物濃度最大化。執(zhí)行基于縮小范
圍二次動態(tài)矩陣控制(SNQDMC)的標稱控制器，以跟蹤由開環(huán)優(yōu)化確 定的參考軌跡。模擬研究顯示當達到最終的分批發(fā)酵產物濃度時在跟 蹤參考軌跡和擾動抑制方面的良好性能。SNQDMC算法僅為在優(yōu)化 中使用非線性發(fā)酵罐模型的良好逼近，而沒有在任何實驗或實際裝置 中試驗。
Bruemmer Bernd等[15]使用發(fā)酵罐模型以達到在線測量的工藝參 數如氧分壓、傳導率和折射率的期望值。通過控制容器中的攪拌器每 分鐘轉數(RPM)、進氣量、生長培養(yǎng)基輸入量和頭部壓力來修正這些 工藝變量與期望值的任何偏差。當由于發(fā)酵過程行為的一些變化而在 模型和實際裝置之間發(fā)生錯配時，該方法為不適當的。
雖然對于優(yōu)化補料-分批發(fā)酵工藝中的底物補料速率報導了不同 方法/算法，但該方法沒有解決工業(yè)補料-分批發(fā)酵設備的在線優(yōu)化的 要求。優(yōu)化方案經常使用簡化的發(fā)酵罐模型，沒有充分地解決模型參 數的時變性質的問題，特別是在工業(yè)環(huán)境中方法的在線配制期間。一 些方法使用試探性隨機優(yōu)化技術和模型參數估算的近似方法。解決所 有這些問題的最佳途徑為使用充分代表發(fā)酵罐中存在的現象的模型， 使用非線性優(yōu)化技術以估算模型參數和計算最佳的底物補料速率，以 使產物收率最大化?；谘b置測量和實驗室分析結果定時在線進行參 數估算和優(yōu)化的該方案。這確保用于優(yōu)化計算的模型逼近實際發(fā)酵設 備的4亍為。
現在的工作
上述的補料-分批發(fā)酵設備的優(yōu)化是減少模型錯配和優(yōu)化底物補 料曲線的近似方法。因素例如原材料質量的變化、初始加入的培養(yǎng)基 的特征和在工藝條件中的干擾引起模型和實際裝置之間的錯配，不利 地影響發(fā)酵罐優(yōu)化系統(tǒng)的性能。解決這些問題的最佳途徑是使用非線 性優(yōu)化技術，在線更新模型和優(yōu)化底物補料曲線，以使產物收率最大化。
發(fā)明概述
本發(fā)明的目的是提供以下的新方法基于實時裝置數據和最新模 型計算最佳的底物補料速率，以使補料-分批發(fā)酵工藝的產物收率最大 化。因為發(fā)酵過程為高度非線性的且其行為隨時變化，所以在現在的 工作中在線更新模型參數和狀態(tài)，以使裝置模型失配最小化。為了優(yōu) 化策略的更好結果，該方法將確保用于計算最佳補料速率的模型更逼 近于實際裝置行為。非線性優(yōu)化技術用于參數估算和底物補料速率的 優(yōu)化。在線優(yōu)化器將未來的時間范圍劃分成階段，在每一階段中將控 制變量的最佳軌跡分段地描述為常數。
該在線優(yōu)化方法包括以下步驟
從控制系統(tǒng)和發(fā)酵液的實驗室分析讀取發(fā)酵測量數據 基于測量的和實驗室分析的數據，估算現在的模型參數 對于未來的分批時間范圍解決最佳控制問題 將計算的最佳軌跡第一階4殳值應用至糖進料流量控制器 隨著分批發(fā)酵進行，在縮減的時間范圍內的各^U羊周期，重復上 述計算步驟。
在本發(fā)明的方法中，與工業(yè)發(fā)酵罐通常遵循的底物補料速率策略 相比，期望產物收率1€高約5-10%。
在補料-分批發(fā)酵操作中，調節(jié)底物補料曲線以維持批產物收率。 由于缺少合適的工具，基于試探和操作經驗調節(jié)底物補料曲線。補料 -分批發(fā)酵罐通常遭受初始條件的變化和在工藝條件中的干擾，而導致 隨時間的動力學行為的變化，不得不調節(jié)模型參數以更好地代表過 程。本發(fā)明提供更新模型參數的新方法，在補料-分批發(fā)酵設備中使用 最新的模型優(yōu)化底物補料速率曲線?；趦?yōu)化計算的結果，在發(fā)酵設 備中改變成底物補料速率以使產率最大化。在連接到裝置控制系統(tǒng)的 計算機中執(zhí)行所有相關的數學計算，該裝置控制系統(tǒng)提供裝置測量的實時反饋，如底物補料流速、發(fā)酵液體積、空氣流量或攪拌器RPM、 發(fā)酵液中的溶解的氧和發(fā)酵設備排出氣體中的氧氣和二氧化碳百分比。
在提出的在線優(yōu)化策略的執(zhí)行中，典型步驟如下
1、 該方法開始于將培養(yǎng)基裝入發(fā)酵容器、啟動攪拌器和使氣流 開始通過發(fā)酵液。
2、 測量所有裝置操作參數如空氣流速、攪拌器RPM、發(fā)酵液水 平等，儲存于控制系統(tǒng)中，用于計算。
3、 定時收集發(fā)酵液樣品，在實驗室中分析生物量產率的體積百 分比、糖和產物的濃度及粘度。分析結果儲存于裝置計算機控制系統(tǒng) 中。
4、 用初始條件(發(fā)酵液體積、生物量濃度、產物濃度、糖濃度) 計算包括開始時間的最佳糖補料速率曲線。
5、 當分批發(fā)酵進行時，執(zhí)行以下步驟
i. 在發(fā)酵啟動的預定方案完成之后，基于從裝置和實驗室分析收 集的實際工藝數據，進行發(fā)酵罐模型參數的在線估算。通過使發(fā)酵液
中的生物量、產物、糖、溶解的氧濃度和排出氣體組成(02和C02)的測
量值和預測值之間的誤差最小化，來估算參數。使用非線性優(yōu)化技術 使預測值和測量值之間的誤差最小化。
ii. 將新估算的參數和最新的狀態(tài)變量(得自控制系統(tǒng)的糖、生物 量和產物濃度及發(fā)酵液體積的定時實驗室分析)用于計算最佳糖補料
速率曲線。
iii. 將對應于未來時間范圍第 一 階段的計算的最佳糖流速指定為 位于裝置控制系統(tǒng)中的糖流量控制器的設定值，其保證糖流速維持在 最佳設定值。
iv. 在每一優(yōu)化計算時期執(zhí)行步驟(i-iii)的上述順序。
在分批發(fā)酵進行時，進行模型參數的該定時重估和更新狀態(tài)變 量，因為它有助于減少裝置-模型錯配，導致優(yōu)化器性能的改善。附圖簡述
圖l為發(fā)酵設備的示意圖。
圖2為發(fā)酵罐設備的在線優(yōu)化示意圖。 優(yōu)選的實施方案的描述
圖l舉例說明具有以下自動控制方案的標準發(fā)酵設備，該方案通 常在發(fā)酵罐設備控制系統(tǒng)中執(zhí)行 通過控制》成流速的pH控制 通過控制冷卻劑流率的發(fā)酵罐溫度控制 用于底物添加的流量控制 通過控制排出氣體閥的壓力控制 用于進氣的流量控制 通過變速驅動的攪拌器RPM的調節(jié)


圖1中顯示的發(fā)酵罐設備的不同部分的細節(jié)如下
1- 發(fā)酵罐發(fā)酵液pH變送器。
2- 發(fā)酵罐發(fā)酵液pH指示控制器。
3- 發(fā)酵罐反壓變送器。
4- 攪拌器電動機。
5- 發(fā)酵罐反壓指示控制器。
6- 發(fā)酵罐容器。
7- 發(fā)酵罐卸料闊。
8- 發(fā)酵罐溫度指示控制器。
9_發(fā)酵罐溫度變送器。
10- 氣流指示控制器。
11- 氣流變送器。
12- 底物流量變送器。
13- 底物流量指示控制器。發(fā)酵方法包括的各步驟給出如下
將來自實驗室接種前容器的生物量和培養(yǎng)基裝入主發(fā)酵罐中，
該主發(fā)酵罐裝備有測量pH、溫度、溶解的氧、發(fā)酵液體積、蒸汽空間
壓力和氧氣與二氧化碳的排出氣體分析的在線傳感器。
pH控制器自動調節(jié)堿溶液的流速以將發(fā)酵罐pH維持在期望值。
在一段時間之后，將無菌水添加至發(fā)酵罐以避免溶解的氧(DO) 饑餓。
在添加無菌水之后，添加營養(yǎng)素以提供細胞生長的營養(yǎng)素。
當發(fā)酵液中的糖濃度低于期望值時，開始添加底物如糖溶液，
繼續(xù)添加糖溶液直至分批發(fā)酵結束。 一旦啟動優(yōu)化器，通過在線優(yōu)化
器軟件確定開始的時間和底物的流速。
在操作過程中，可進行發(fā)酵液的一或兩次中間抽取以回收產物。
將氣流維持在預定的流量設定值。
將攪拌器RPM維持在兩個不同的水平開始是低速和分批發(fā)酵 維持期間是高速。
每幾個小時，取發(fā)酵液樣品，在實驗室中分析生物量產率的體積 百分比、糖濃度、堿濃度、粘度和產物濃度。
圖2為發(fā)酵罐設備的在線優(yōu)化的示意圖。將優(yōu)化計算執(zhí)行為系統(tǒng) 800xA的動態(tài)優(yōu)化系統(tǒng)擴展(DOSE)中的軟件應用，系統(tǒng)800xA是由 ABB基于過程自動化系統(tǒng)的設計和操作的面向對象方法的概念開發(fā) 的標準過程自動化系統(tǒng)。DOSE為可用于系統(tǒng)800xA的軟件框架，它提 供用于基于模型的應用的工具集合。按照參考手冊[13]中描述的方法， 在DOSE中執(zhí)行上述發(fā)酵罐優(yōu)化方法。DOSE提供模擬和模型參數估算 所需的方程求解器和非線性優(yōu)化程序。將DOSE和系統(tǒng)800xA的標準特 征用于在發(fā)酵罐模型的模擬和參數估算期間所得結果的配置、執(zhí)行、 顯示和儲存。
ii圖2、第14、 14(a)和14(b)部分所示的DOSE可與控制系統(tǒng)和支持用于數據通信的過程控制標準的對象連接和嵌入[本文稱為OPC(用于過程控制的對象連接和嵌入)標準]的任何其它軟件系統(tǒng)界面連接。這將有助于執(zhí)行由外部系統(tǒng)提供數據讀取/寫入設備的在線發(fā)酵罐模
型。如圖2、第14(b)部分所示，DOSE提供用于基于模型的應用如模擬、參數估算和優(yōu)化的工具集合。電子表格插件提供界面，以配置進行模擬、估算或優(yōu)化和儲存計算結果所需的數據。
本文后面也論述用于發(fā)酵罐設備的在線優(yōu)化以使產物收率最大化的示意系統(tǒng)。
控制系統(tǒng)中在線發(fā)酵罐優(yōu)化系統(tǒng)的執(zhí)行
在本發(fā)明的情況下，將非結構化的[用單個量如細胞密度(g干重/L)]和未分離的[觀察由相同的細胞(具有 一些 一般特征)組成的整個細
胞群]模型方法用于模擬發(fā)酵過程，因為該模擬方法更服從于在線應用如估算和優(yōu)化。
在開發(fā)模型時作以下假設
假定發(fā)酵發(fā)酵液的密度與水的密度(l gm/ml)相同。 糖和氧濃度影響細胞生長。用Contois動力學模擬對糖和氧氣的依賴性，Contois動力學為Monod氏動力學的擴展[14]。
糖和氧濃度影響產物形成速率，糖對生產速率施加抑制型控制。
通過細胞生長、產物形成和維持解釋糖消耗。 攪拌速度、供氣速率和粘度影響氧氣的傳質速率。 細胞生長遵循延緩期、生長期和維持期或衰減期的順序，在才莫型中考慮該順序。
在發(fā)酵罐中充分混合。
發(fā)酵罐中的溫度和pH維持在恒定值，該模型不包括這些變量對發(fā)酵罐性能的影響。如上所述，已發(fā)現通過定時優(yōu)化糖補料曲線可使發(fā)酵罐的產物收率最大化?；趯嶋H裝置測量和實驗室分析定時在線更新用于優(yōu)化計算的模型參數，以解釋分批發(fā)酵過程的非線性行為和時變行為。在圖
2、第14(a)部分描述了優(yōu)化器。通過使變量如產物濃度、糖濃度、生
物量、溶解的氧和排出氣體中的02和C02濃度的測量值和預測值之間
的誤差最小化，獲得參數。使用約束的非線性優(yōu)化技術使誤差最小化。
如圖2、第15部分所示，每隔幾小時從實驗室分析獲得發(fā)酵液中生物量濃度、產物濃度和糖濃度的測量值，如圖2、第16部分所示，每隔幾分鐘從控制系統(tǒng)中獲得排出氣體組成和溶解的氧濃度的測量。
使用系統(tǒng)800 ax中存在的動態(tài)優(yōu)化系統(tǒng)擴展框架，作為軟件應用模塊來執(zhí)行圖2、第14(b)部分所示發(fā)酵罐模型以及所需的方程求解器和優(yōu)化程序。這有助于界面連接發(fā)酵罐模型軟件與支持數據傳輸OPC標準的任何其它軟件系統(tǒng)。在被加料至圖2、第17部分所示發(fā)酵裝置之前，將優(yōu)化器的輸出顯示在圖2、第18部分所示控制系統(tǒng)顯示器上。
下面給出發(fā)酵設備數學模型的簡要描述。
通常在精確控制工藝條件如溫度、pH和溶解的氧的攪拌罐型生物反應器中，以補料-分批操作進行發(fā)酵過程。這些發(fā)酵設備通常遭受不可測的干擾，導致產物收率的大變化。可使用數學模型更好地理解發(fā)酵過程，也可改善搡作以減少產物可變性和可用資源的最佳利用。
本發(fā)明涉及補料-分批發(fā)酵工藝的在線優(yōu)化以使產物收率最大化。發(fā)酵過程的特征在于微生物的高度非線性、時變響應，在線重估一些模型參數以使模型誤差最小化，以便用于優(yōu)化計算的模型接近實際的裝置行為。使用約束的非線性優(yōu)化技術以計算補料-分批發(fā)酵設備的最佳糖補料速率曲線。
在計算機中執(zhí)行優(yōu)化計算，該計算機與用于發(fā)酵設備操作和控制的基于微處理器的系統(tǒng)界面連接。在以下部分給出發(fā)酵罐模型的細節(jié)和優(yōu)化策略。
13量..
補料-分批工藝操作引起發(fā)酵罐中的體積變化。這由以下方程計
其中V為發(fā)酵罐發(fā)酵液的體積，F,."為進入發(fā)酵罐的糖流速，F。M,說明溢出量，而F/^說明發(fā)酵期間的蒸發(fā)損失量。以F欲包括無菌水和營養(yǎng)素添加項。
通過以下方程，確定發(fā)酵罐發(fā)酵液中的細胞質量(cell mass):
l"(xV) = FtaXin -Foutx + |_iDxV — K扭xV
其中x為任何時間發(fā)酵液中生物量的濃度，x&為糖溶液中生物量的濃度，比生長速率A^由以下方程給出
s和d為發(fā)酵液中糖和溶解的氧的濃度。發(fā)'郝發(fā)'賴 參,
通過非生長相關的產物形成動力學，描述產物的形成。在速率表達式中也包括產物的水解。
^(P廠)-^^z" 一《"W+^^「一^P廠
其中，P為任何時間發(fā)酵液中的產物濃度，P&為糖溶液中的產物
濃度，7rw為比產物形成速率，其定義為
144" "w丄t、
Jt'發(fā)銀發(fā)'發(fā)濕^W潛
假定糖的消耗由生物量生長和具有恒定收率的產物形成和維持微生物的需要而引起。
其中S^為糖溶液中的糖濃度，cjD為比耗糖率，其定義為
發(fā)'摩鑲發(fā)'發(fā)濕
假定氧氣的消耗由生物量生長和具有恒定收率的產物形成和維持微生物的需要引起。氣相的氧被連續(xù)傳送至發(fā)酵的發(fā)酵液。
其中Q^和d分別為進入糖溶液中的和發(fā)酵液中的溶解的氧濃度。cj。為比耗氧率，其定義為
CT。 =~^2_ + _+
假定總傳質系數ka為攪拌速度(rpm)、氣流速率(尸。,>)、粘度(w)和發(fā)酵發(fā)酵液體積的函數，其定義為
廣^V"
"附
,"Y Y
其中下標o指標稱條件。溶解的氧的飽和濃度0;與氧分壓/ 02有關，使用亨利定律(Henry's law):
<formula>formula see original document page 16</formula>
其中D02為可得自裝置測量的溶解的氧測量值,假定氣相被充分混合，假定氣流速率為恒定。
<formula>formula see original document page 16</formula>
其中y"力和yw為空氣和發(fā)酵罐排出氣體中的氧氣摩爾分數，P和
T為發(fā)酵罐中蒸汽空間的壓力和溫度，Po和To為標準條件下的壓力和溫度，R為氣體常數，Vg為發(fā)酵罐中蒸汽空間的體積。
^#二處必虞.-
引入易于測量同時其信息量重要的變量，非常有助于預測其它重
要的工藝變量。 一個這樣的變量為C02釋放，從其中可高精度地預測細胞質量。在該工作中，假定C02釋放是由于生長、產物生物合成和
維持需要。二氧化碳釋放由以下方程給出
<formula>formula see original document page 16</formula>
其中yco^和yco為空氣和發(fā)酵罐排出氣體中的二氧化碳摩爾》
數,cjc。2為比二氧化碳釋放率(specific carbon dioxide evolution rate)，其定義為
<formula>formula see original document page 16</formula>目的為在分批發(fā)酵結束時使產物收率最大化，相關的目標函數定
義為
相對于糖補料速率曲線并根據上述發(fā)酵罐模型，將上面的目標函 數最大化。
根據以下約束條件計算最佳糖補料速率
其中
to初始糸匕時間
tf最終批時間
Fin優(yōu) 化器計算的糖/底物的補料速率
Fmax允許的糖流速最大值 Vmin發(fā)酵液的最小體積
Vmax發(fā)酵液的最大值
征她Fin變化率的最小值
SF順Fin變化率的最大值
下面列出用于該模型的各種動力學參數目錄:
動力學參數
^長
最大比生長速率i^axOi-1) Contois飽和常數Ks生長的氧氣限制常數Ko (mg/L) 細胞衰減速率常數KdX(h")
,參
比生產率IImax(g/L/h) Contois常數Ksp(L-2/g-2) 產物形成的抑制常數K,(g/1) 產物的氧氣限制常數K0P(mg/L) 產物水解速率常數Kd(h—"
恭絲
細胞產率常數Yx/D (g細胞質量/g糖) 產物收率常數Yp,D(g產物/g糖) 糖的維持系數mD(h—"
真絲
細胞產率常數Yx/0 (g細胞質量/g氧氣) 產物收率常^t: Ywo(g產物/g氧氣) 氧氣的維持系數m0(h—"
我#遽
標稱傳質系數kLa0(h—" 標稱rpm: rpm0 標稱空氣流速Fair，Q(m3/h) 標稱粘度(i()(cP) 標稱體積Vo(L) 亨利常數h 常數a，b，c,d
18標準壓力Po(atm) 氣相體積Vg(L) 氣體常數R (atm m3 gmor'JC1) 標準溫度TQ(K)
細胞產率常數YC02/X (g 二氧化碳/ g細胞質量) 產物收率常數Yco2/p(g二氧化碳/g產物) 氧氣的維持系數mco2(每小時)
最初，用離線模式的裝置數據估算DOSE中發(fā)酵罐模型的參數， 并調整以與實際裝置數據匹配。使用調整的模型來優(yōu)化糖補料速率， 以使發(fā)酵罐的產物收率最大化。
在在線模式中，模型每隔幾小時一次接收實時數據如來自裝置控 制系統(tǒng)的氣流速率、攪拌器RPM、糖流速、溶解的氧和排出氣體組成 (氧氣和二氧化碳)，也接收來自實驗室的發(fā)酵發(fā)酵液分析數據(生物量 收率的體積百分比、糖濃度、堿濃度和產物濃度)。使用實時工藝數據 和離線實驗室數據的組合來估算模型參數。模型參數的定時重估減少 了模型錯配，使模型行為更接近于發(fā)酵罐的實際操作條件。使用最新 的模型計算最佳糖補料速率曲線。實時地定時重復在裝置控制系統(tǒng)中 的參數估算、最佳糖補料速率曲線的計算和最佳糖流速的執(zhí)行的這個 循環(huán)。
參考文獻
1. Modak JM和HC Lim,"補料-分批發(fā)酵的反饋優(yōu)化"， J5/otec/mo/ogy 30， 528-540， 1987.
2. Dhir等，"補料-分批生物反應器中雜交瘤生長的動態(tài)優(yōu)化", 歷otec/mo/ogy朋d說oe，V2ee"'"g", 67(2), 197-205, 2000.
193. Soni AS和RS Parker，"補料-分批生物反應器的閉環(huán)控制收 縮逼近"，C/ em i 饑，43, 3381-3393， 2004.
4. Van Jmpe JF和GBastin,"補料-分批發(fā)酵工藝的最佳適應控制 "，C齡o/五"g.尸rac"ce, 3， 939-954， 1995.
5. Iyer MS等，"補料-分批發(fā)酵罐的動態(tài)再優(yōu)化"，歷ofec/mo/ogy 5wewgz'ween'wg, 63(1)， 10-21, 1999.
6. Kurtanjek K，"補料-分批發(fā)酵的最佳非奇異控制"，
awt/5z'oewg7力een."g, 37， 814-823， 1991.
7. Banga JR等，"分批生物過程和半連續(xù)生物過程的隨機動態(tài)優(yōu) 化"，歷otec/mo/.尸rag.， 13， 326-335， 1997.
8. Chen C和C Hwang,"具有一般約束的微分代數過程系統(tǒng)的優(yōu) 化控制計算"，Com肌，97, 9-26， 1990.
9. Cuthrell JE和LT Biegler，"用于分批反應器控制曲線(profiles) 的同步優(yōu)化和解決方法"，Com; Mtera CT em. ￡>zg.， 13, 49-62, 1989.
10. Foss BA et al.,"使用局部模型的非線性預先控制一應用至分 批發(fā)酵過程"，Ow^ /￡wg. iVflc"ce, 3， 389-396, 1995.
11. Hilaly AK等，"補料-分批重組埃希氏大腸桿菌Oc/^n'c/^ co/z〕 發(fā)酵的實時優(yōu)化研究"，a^ra/￡wg. Prac"'ce, 3, 485-493, 1995.
12. Mahadevan等，"基于微分平面的補料-分批生物反應器的非線 性預才艮控制"，Om^ /五"g/ween'"g尸rac"ce, 9, 889-899， 2001.
13. 1KGC 003 952D戸畫/c 0/ /z>m'za ow i^/^ewce M朋wa/V.2.1.1,
2005.
14. ML Schuler 和 F Kargi, "5z'ocAew^ca/五"g7'ween.wg 5asz'c C露e,"， Prentice Hall， 2002.
15. 專利號DE3927856, 1991-02-28."細胞培養(yǎng)發(fā)酵和生產的過程 控制-使用氧分壓、傳導率和折射率控制和優(yōu)化相對于模型預報的過程
權利要求
1. 一種補料-分批發(fā)酵設備的在線優(yōu)化方法，所述方法包括a. 裝置參數的在線測量，例如攪拌器速度、氣流速率、水平測量、糖補料速率、排出氣體中的CO2和O2百分比和發(fā)酵液中的溶解的氧；b. 在線測量/裝置數據以及實驗室分析結果在連接到裝置控制系統(tǒng)的計算機中的儲存；c. 發(fā)酵罐模型參數的再估算，以便減少裝置數據和模型計算之間的錯配；d. 基于目前的和過去的裝置數據的最佳糖補料速率的在線計算，以便使產物收率最大化。
2. 權利要求1的補料-分批發(fā)酵設備的在線優(yōu)化方法，其中通過 以下步驟估算所述模型參數a. 如圖2、第15部分所示，通過實^^室分析，每隔幾小時測量 發(fā)酵液中生物量、產物和糖的濃度值；b. 如圖2、第16部分所示，每隔幾分鐘測量所述控制系統(tǒng)的排 出氣體組成和溶解的氧濃度。
3. 權利要求1的發(fā)酵設備的在線優(yōu)化方法，其中使用連接到所述 控制系統(tǒng)的計算機，在完成發(fā)酵啟動的預定方案之后，開始發(fā)酵罐模 型參數的在線估算，并且用該啟動階段期間收集的實際工藝數據估算 所述參數。
4. 權利要求1的補料-分批發(fā)酵設備的在線優(yōu)化方法，其中通過 使用非線性優(yōu)化技術，使發(fā)酵液中生物量、產物、糖、溶解的氧的濃 度和排出氣體組成(02和C02)的測量值和預測值之間的誤差最小化， 估算所述模型參數。
5. 權利要求1的補料-分批發(fā)酵設備的在線優(yōu)化方法，其中使用 目前的操作條件(發(fā)酵液體積、產物濃度、糖濃度、溶解的氧)和氣流 速率的未來平均曲線以及攪拌器RPM，計算最佳糖補料速率，并作為控制系統(tǒng)中糖進料流量控制器的設定值定時下載。
全文摘要
公開了含細菌和營養(yǎng)素的補料-分批發(fā)酵設備的在線優(yōu)化方法。定時估算用于優(yōu)化計算的發(fā)酵罐模型參數，以減少裝置和計算值之間的錯配。最新的發(fā)酵罐模型用于計算最佳糖補料速率，以使產物收率最大化。該方法/發(fā)酵罐模型按照PC中軟件程序而被執(zhí)行，為了在實際裝置環(huán)境中在線配置，可將該PC界面連接至裝置控制系統(tǒng)中。在線優(yōu)化系統(tǒng)對裝置操作人員是有用的，以使補料-分批發(fā)酵設備的產率最大化。
文檔編號C12N1/00GK101484572SQ200680055346
公開日2009年7月15日 申請日期2006年7月14日 優(yōu)先權日2006年7月14日
發(fā)明者B·巴迪斯里尼瓦薩, J·莫達克莫雷施沃 申請人:Abb研究有限公司